Радиостроение. 2016; : 11-25
Моделирование помехозащищенных речевых каналов для технических систем управления
https://doi.org/10.7463/rdopt.0516.0848125Аннотация
Статья посвящена применению цифровой адаптивной фильтрации для обеспечения помехозащищенности речевых каналов систем управления, понимая под помехой посторонний сигнал, попадающий вместе с речью на вход канального устройства. В работе проведен сравнительный анализ трех алгоритмов адаптации (LMS, NLMS, RLS), применимых для подавления помех. При этом использован механизм адаптивного подавления с двумя микрофонами в речевом канале.
В близких по теме публикациях сравнение алгоритмов проводилось по одному или двум критериям. В данной работе выбраны три критерия сравнения: вычислительная сложность, качество подавления помехи и скорость сходимости к установившемуся режиму. Временная вычислительная сложность оценена по количеству векторных операций в процедурах алгоритмов.
Для сравнения алгоритмов по двум другим критериям было проведено моделирование их работы в среде MATLAB. В качестве помехи использованы белый и розовый шумы, синусоидальный сигнал, а также модель нестационарного сигнала. Получены коэффициент подавления помехи и число итераций алгоритма до перехода в установившийся режим. Наилучшее качество подавления показал алгоритм RLS, наивысшую скорость сходимости – алгоритм NLMS. Опыты показали, что белый шум подавляется хуже, но быстрее, чем синусоидальная помеха.
Исследовано влияние ряда факторов на процесс адаптации. Показано, что увеличение размерности фильтра ведет к повышению качества адаптации и снижению ее скорости. Из результатов моделирования следует, что коэффициент подавления помех принимает наибольшие значения, если мощности сигнала и помехи на входе фильтра примерно одинаковы.
Результаты позволяют рекомендовать алгоритм NLMS для систем реального времени, а алгоритм RLS – для технических систем, работающих с записями речевых сигналов. Рассмотренные алгоритмы могут быть успешно реализованы на современных технических платформах, содержащих высокопроизводительные цифровые сигнальные процессоры и соответствующую периферию.
Список литературы
1. Уидроу Б., Стирнз С. Адаптивная обработка сигналов: пер. с англ. М.: Радио и связь, 1989. 440 с.
2. Адаптивные фильтры: пер. с англ. / ред. К.Ф.Н. Коуэн, П.М. Грант. М.: Мир, 1988. 392 с.
3. Сюзев В.В. Основы теории цифровой обработки сигналов: учебное пособие. М.: Изда-тельство «РТСофт», 2014. 752 с.
4. Джиган В.И. Адаптивная фильтрация сигналов: теория и алгоритмы. М.: Техносфера, 2013. 528 с.
5. Chinaboina R., Ramkiran D.S., Khan H., Usha M., Madhav B.T.P., Srinivas K.P., Ganesh G.V. Adaptive algorithms for acoustic echo cancellation in speech processing. International Journal of Research and Reviews in Applied Sciences. 2011. Vol. 7(1). P. 38–42.
6. Kelebekler E., Inal M. White and color noise cancellation of speech signal by adaptive filtering and soft computing algorithms. 19th Australian joint conference on artificial intelligence (Ho-bart, Australia, December 2006): Proceedings. Springer, 2006. P. 970–975.
7. Jagannaveen V., Prabakar T., Venkata Suman J., Devi Pradeep P. Noise suppression in speech signals using adaptive algorithms. International Journal of Signal Processing, Image Processing and Pattern Recognition. 2010. Vol. 3, no. 3. P. 87–96.
8. Sahu A.K., Hiradhar A. Noise cancellation using adaptive filters of speech signals by RLS al-gorithm in Matlab. International Journal of Science and Research. 2015. Vol. 4, iss. 10. P. 1917–1920.
9. MATLAB Documentation. Режим доступа: http://www.mathworks.com/help/matlab (дата обращения: 01.07.2016).
10. Дьяконов В. MATLAB R2011b в обработке сигналов и моделировании электронных уст-ройств // Компоненты и технологии. 2012. №2. С. 111–120.
11. Сергиенко А.Б. Цифровая обработка сигналов: учеб. пособие. 3-е изд. СПб.: БХВ-Петербург, 2011. 768 с.
12. Полтавцева Е.В. Применение алгоритмов адаптивной фильтрации для обработки данных скважинных геоакустических измерений // Материалы 8-й региональной молодежной научной конференции «Природная среда Камчатки» (Петропавловск-Камчатский, 15 апреля 2014 г.). Петропавловск-Камчатский, 2014. С. 143–157.
13. Цуриков В.С. Корреляционный критерий сходимости адаптивных RLS и LMS алгорит-мов для выделения на фоне помех сигналов с конечным спектром // Электрон. физико-технический журн. 2007. Т. 2. Режим доступа: http://eftj.secna.ru/vol2/070204.pdf (дата об-ращения: 01.07.2016).
14. Stasionis L., Serackis A. Selection of an optimal adaptive filter for speech signal noise cancel-lation using C6455 DSP. Electronics and electrical engineering. 2011, no. 9(115). P. 101–104. DOI: 10.5755/j01.eee.115.9.759
Radio Engineering. 2016; : 11-25
Noise-Free Speech Channel Modeling for Technical Control Systems
https://doi.org/10.7463/rdopt.0516.0848125Abstract
The paper focuses on the application of digital adaptive filtering to ensure the noise-free speech channels of control systems. Noise is an extraneous signal, which enters the channel device input together with the speech. The article conducts a comparative analysis of the three adaptation algorithms (LMS, NLMS, RLS) to be useful for noise suppression. At the same time, an adaptive suppression mechanism with two microphones on the speech channel is used.
The related publications compared the algorithms by one or two criteria. This paper offers three comparison criteria: computational complexity, quality of noise suppression, and rate of convergence to the steady-state condition. The number of vector operations in algorithm procedures estimates temporary computational complexity.
To compare algorithms by the other two criteria, their implementation was simulated in MATLAB. As the noise, were used the white and pink noise, a sine wave, and a model of the non-stationary signal as well. The noise suppression coefficient and the number of iterations before transition to the steady-state condition have been obtained. The algorithm RLS showed the best quality of suppression while the NLMS algorithm revealed the highest rate of convergence. Experiments have shown that the white noise is suppressed worse, but faster than the sine one.
The paper explores influence of some factors on the process of adaptation. It is shown that increase in filter dimension leads to improving quality of adaptation and its speed-down. From simulation results it follows that the noise suppression coefficient has the highest values when at the filter input there are approximately equal signal and noise powers.
The results allow us to make commendation to use the NLMS algorithm for real-time systems, and the RLS one for technical systems aimed at recordings of speech signals. The above algorithms can be successfully implemented on modern technology platforms, comprising high-performance digital signal processors and associated peripherals.
References
1. Uidrou B., Stirnz S. Adaptivnaya obrabotka signalov: per. s angl. M.: Radio i svyaz', 1989. 440 s.
2. Adaptivnye fil'try: per. s angl. / red. K.F.N. Kouen, P.M. Grant. M.: Mir, 1988. 392 s.
3. Syuzev V.V. Osnovy teorii tsifrovoi obrabotki signalov: uchebnoe posobie. M.: Izda-tel'stvo «RTSoft», 2014. 752 s.
4. Dzhigan V.I. Adaptivnaya fil'tratsiya signalov: teoriya i algoritmy. M.: Tekhnosfera, 2013. 528 s.
5. Chinaboina R., Ramkiran D.S., Khan H., Usha M., Madhav B.T.P., Srinivas K.P., Ganesh G.V. Adaptive algorithms for acoustic echo cancellation in speech processing. International Journal of Research and Reviews in Applied Sciences. 2011. Vol. 7(1). P. 38–42.
6. Kelebekler E., Inal M. White and color noise cancellation of speech signal by adaptive filtering and soft computing algorithms. 19th Australian joint conference on artificial intelligence (Ho-bart, Australia, December 2006): Proceedings. Springer, 2006. P. 970–975.
7. Jagannaveen V., Prabakar T., Venkata Suman J., Devi Pradeep P. Noise suppression in speech signals using adaptive algorithms. International Journal of Signal Processing, Image Processing and Pattern Recognition. 2010. Vol. 3, no. 3. P. 87–96.
8. Sahu A.K., Hiradhar A. Noise cancellation using adaptive filters of speech signals by RLS al-gorithm in Matlab. International Journal of Science and Research. 2015. Vol. 4, iss. 10. P. 1917–1920.
9. MATLAB Documentation. Rezhim dostupa: http://www.mathworks.com/help/matlab (data obrashcheniya: 01.07.2016).
10. D'yakonov V. MATLAB R2011b v obrabotke signalov i modelirovanii elektronnykh ust-roistv // Komponenty i tekhnologii. 2012. №2. S. 111–120.
11. Sergienko A.B. Tsifrovaya obrabotka signalov: ucheb. posobie. 3-e izd. SPb.: BKhV-Peterburg, 2011. 768 s.
12. Poltavtseva E.V. Primenenie algoritmov adaptivnoi fil'tratsii dlya obrabotki dannykh skvazhinnykh geoakusticheskikh izmerenii // Materialy 8-i regional'noi molodezhnoi nauchnoi konferentsii «Prirodnaya sreda Kamchatki» (Petropavlovsk-Kamchatskii, 15 aprelya 2014 g.). Petropavlovsk-Kamchatskii, 2014. S. 143–157.
13. Tsurikov V.S. Korrelyatsionnyi kriterii skhodimosti adaptivnykh RLS i LMS algorit-mov dlya vydeleniya na fone pomekh signalov s konechnym spektrom // Elektron. fiziko-tekhnicheskii zhurn. 2007. T. 2. Rezhim dostupa: http://eftj.secna.ru/vol2/070204.pdf (data ob-rashcheniya: 01.07.2016).
14. Stasionis L., Serackis A. Selection of an optimal adaptive filter for speech signal noise cancel-lation using C6455 DSP. Electronics and electrical engineering. 2011, no. 9(115). P. 101–104. DOI: 10.5755/j01.eee.115.9.759
